Imágenes prediseñadas de Amazon SageMaker Docker para Scikit-learn y Spark ML

SageMaker proporciona imágenes de Docker prediseñadas que instalan las bibliotecas scikit-learn y Spark ML. Estas bibliotecas también incluyen las dependencias necesarias para crear imágenes de Docker que sean compatibles con el SageMaker uso del SDK de Amazon SageMaker Python. Con el SDK, puede utilizar scikit-learn para tareas de machine learning y usar Spark ML para crear y ajustar canalizaciones de machine learning. Para obtener instrucciones sobre la instalación y el uso de SDK, consulte SageMaker SDK para Python.

Uso del SDK SageMaker de Python

La siguiente tabla contiene enlaces a los GitHub repositorios con el código fuente de los contenedores scikit-learn y Spark ML. La tabla también contiene enlaces a instrucciones que muestran cómo utilizar estos contenedores con los estimadores del SDK de Python para ejecutar sus propios algoritmos de entrenamiento y alojar sus propios modelos.

Library	Código fuente de imágenes de Docker prediseñadas	Instrucciones
scikit-learn	SageMaker Contenedores Scikit-learn	Uso de Scikit-learn con el SDK de Amazon Python SageMaker
Spark ML	SageMaker Contenedores de servicio Spark ML	Documentación de SparkML Python SDK

Para obtener más información y enlaces a los repositorios de github, consulte Usa Scikit-learn con Amazon SageMaker y Usa SparkML Serving con Amazon SageMaker.

Especificar manualmente las imágenes precompiladas

Si no está utilizando el SDK de SageMaker Python y uno de sus estimadores para administrar el contenedor, debe recuperar el contenedor prediseñado correspondiente de forma manual. Las imágenes de Docker SageMaker prediseñadas se almacenan en Amazon Elastic Container Registry (Amazon ECR). Puede insertarlas o extraerlas utilizando sus nombres completos y direcciones de registro. SageMaker usa los siguientes patrones de URL de imágenes de Docker para scikit-learn y Spark ML:

• <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-scikit-learn:<SCIKIT-LEARN_VERSION>-cpu-py<PYTHON_VERSION>

  Por ejemplo, 746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-scikit-learn:1.2-1-cpu-py3

• <ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-sparkml-serving:<SPARK-ML_VERSION>

  Por ejemplo, 341280168497.dkr.ecr.ca-central-1.amazonaws.com/sagemaker-sparkml-serving:2.4

Para ver los ID de cuenta y los nombres de las AWS regiones, consulta las rutas de registro de Docker y el código de ejemplo.

Búsqueda de imágenes disponibles

Utilice los siguientes comandos para saber qué versiones de las imágenes están disponibles. Por ejemplo, utilice lo siguiente para buscar la imagen sagemaker-sparkml-serving disponible en la región ca-central-1:

aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving